人工智能基礎(chǔ)

第1章 人工智能導(dǎo)引\t1
1．1 人工智能的背景\t1
1．1．1 什么是人工智能\t1
1．1．2 人工智能的誕生：模仿人類行為與思考\t2
1．2 人工智能的前世今生\t4
1．2．1 人工智能的基礎(chǔ)\t4
1．2．2 人工智能的歷史\t8
1．2．3 人工智能的研究現(xiàn)狀\t9
1．3 人工智能的應(yīng)用\t12
1．3．1 人工智能的應(yīng)用問題\t12
1．3．2 人工智能的應(yīng)用特征\t13
1．3．3 人工智能的應(yīng)用現(xiàn)狀與未來\t15
1．4 人工智能的目標(biāo)\t19
思考題\t20
第2章 人工智能基礎(chǔ)知識\t21
2．1 機器人\t21
2．1．1 初識機器人\t21
2．1．2 機器人的結(jié)構(gòu)組成\t22
2．2 機器學(xué)習(xí)\t23
2．2．1 什么是機器學(xué)習(xí)\t23
2．2．2 機器學(xué)習(xí)的算法\t24
2．3 人工神經(jīng)網(wǎng)絡(luò)\t26
2．4 計算機視覺\t30
2．5 自然語言處理\t32
2．6 群體智能\t34
2．7 人機交互\t35
2．8 增材制造\t36
2．9 大數(shù)據(jù)\t38
2．10 虛擬現(xiàn)實\t40
思考題\t41
第3章 燈光的智能控制\t42
3．1 車燈的控制原理\t42
3．2 編程環(huán)境的配置\t43
3．2．1 硬件模塊的組成\t43
3．2．2 軟件環(huán)境的配置\t55
3．3 點亮小車車燈\t59
3．3．1 什么是程序\t59
3．3．2 小車車燈的點亮編程步驟\t59
3．3．3 小車車燈的熄滅編程步驟\t62
3．4 擴展：制作一個流水燈\t63
3．4．1 什么是流水燈\t63
3．4．2 流水燈的核心指令\t63
3．4．3 制作流水燈的編程步驟\t64
思考題\t66
第4章 交通燈的智能識別\t67
4．1 交通燈的識別原理\t67
4．2 顏色傳感器\t69
4．3 讓小車智能識別紅綠燈\t69
4．3．1 主要材料準(zhǔn)備\t69
4．3．2 硬件組裝\t70
4．3．3 小車識別紅綠燈的編程步驟\t70
4．3．4 效果展示\t78
4．4 擴展：制作一個顏色辨識器\t78
4．4．1 制作顏色辨識器的任務(wù)描述\t78
4．4．2 硬件組裝\t79
4．4．3 顏色辨識器的編程步驟\t79
思考題\t84
第5章 文字的智能處理\t85
5．1 文本識別原理\t85
5．2 文本解析的實現(xiàn)\t86
5．3 基于文本信息的小車控制\t88
5．3．1 主要材料準(zhǔn)備\t88
5．3．2 硬件組裝\t88
5．3．3 文本信息識別的編程步驟\t89
5．4 擴展：多文本信息的連續(xù)控制\t94
5．4．1 多文本解析的任務(wù)描述\t94
5．4．2 硬件組裝\t94
5．4．3 多文本解析的編程步驟\t94
思考題\t99
第6章 圖像的智能辨識\t100
6．1 圖像識別原理\t100
6．2 路標(biāo)形狀識別\t101
6．3 讓小車看懂路標(biāo)\t106
6．3．1 材料準(zhǔn)備\t106
6．3．2 材料組裝\t107
6．3．3 小車看懂路標(biāo)的編程步驟\t108
6．4 擴展：智能停車\t112
6．4．1 智能停車任務(wù)描述\t112
6．4．2 硬件組裝\t112
6．4．3 智能停車的編程步驟\t112
思考題\t116
第7章 語音的智能辨識\t117
7．1 語音辨識原理\t117
7．2 聲音解析實現(xiàn)\t118
7．3 基于聲音的小車控制\t120
7．4 擴展：具有交互功能的聲控小車\t131
思考題\t135
第8章 人機的智能交互\t136
8．1 人機交互原理\t136
8．2 腦機接口技術(shù)\t137
8．2．1 腦機接口組成\t137
8．2．2 腦機接口原理\t138
8．3 用思維控制小車的啟停\t138
8．3．1 什么是信號\t139
8．3．2 腦電信號的采集\t139
8．3．3 大腦運動意圖的解碼\t140
8．3．4 小車的啟?？刂瞥绦?qū)崿F(xiàn)\t140
8．4 擴展：智能腦控小車\t143
思考題\t146
第9章 無人駕駛\t148
9．1 無人駕駛原理\t148
9．2 自動循跡技術(shù)\t150
9．2．1 自動循跡原理\t150
9．2．2 自動循跡組成\t150
9．3 智能小車的自動循跡\t151
9．3．1 軌跡的檢測\t151
9．3．2 智能循跡小車的實現(xiàn)\t152
9．4 擴展：具有避障功能的自動行駛\t156
9．4．1 認(rèn)識超聲波避障\t156
9．4．2 超聲波避障的實現(xiàn)\t157
9．4．3 具有避障功能的自動行駛小車\t159
思考題\t164
第10章 智能3D打印\t165
10．1 3D打印實現(xiàn)原理\t165
10．2 3D打印主流技術(shù)\t166
10．2．1 擠出成型（Material Extrusion）\t166
10．2．2 粉床熔融成型（Powder Bed Fusion）\t168
10．2．3 還原光聚合\t169
10．2．4 粘結(jié)劑噴射\t170
10．2．5 材料噴射\t170
10．2．6 薄板層壓\t171
10．2．7 定向能量沉積\t171
10．3 3D打印應(yīng)用領(lǐng)域\t172
10．3．1 快速原型制作和快速制造\t172
10．3．2 汽車\t173
10．3．3 航空\t173
10．3．4 建筑\t173
10．3．5 醫(yī)療\t173
10．3．6 教育\t174
10．3．7 消費產(chǎn)品\t174
10．4 3D打印實現(xiàn)過程\t175
10．4．1 3D建模\t175
10．4．2 切片\t176
10．4．3 打印\t176
10．4．4 后期處理\t176
10．5 3D打印實操案例\t177
10．5．1 SolidWorks設(shè)計軟件基本操作\t177
10．5．2 3D打印切片及控制系統(tǒng)基本操作\t183
思考題\t195
第11章 智能計算技術(shù)\t196
11．1 BP神經(jīng)網(wǎng)絡(luò)\t196
11．1．1 BP神經(jīng)網(wǎng)絡(luò)概述\t196
11．1．2 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)\t197
11．1．3 BP神經(jīng)網(wǎng)絡(luò)舉例\t201
11．2 Hopfield神經(jīng)網(wǎng)絡(luò)\t207
11．2．1 Hopfield神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)\t208
11．2．2 Hopfield網(wǎng)絡(luò)求解優(yōu)化問題的思想\t208
11．2．3 Hopfield網(wǎng)絡(luò)求解FMS調(diào)度問題\t209
11．2．4 旅行商問題（TSP）的Hopfield網(wǎng)絡(luò)求解\t212
11．3 模擬退火算法\t216
11．3．1 模擬退火算法簡介\t216
11．3．2 基于Hopfield優(yōu)化模型的模擬退火求解算法\t218
11．4 遺傳算法\t219
11．4．1 遺傳算法簡介\t219
11．4．2 遺傳算法舉例\t221
11．5 粒子群算法\t226
11．5．1 引言\t226
11．5．2 改進的PSO算法優(yōu)化\t227
11．5．3 算法性能準(zhǔn)則\t228
11．5．4 對于有約束優(yōu)化問題的求解算法\t230
11．5．5 優(yōu)化問題應(yīng)用\t230
11．6 支持向量機\t231
11．6．1 支持向量機簡介\t231
11．6．2 線性分類器\t231
11．6．3 核函數(shù)特征空間\t234
11．6．4 軟間隔優(yōu)化問題\t235
11．6．5 支持向量機的多類別分類\t236
11．6．6 支持向量機的MATLAB應(yīng)用\t237
參考文獻\t238